一种用于客户生命周期价值预测的深层概率模型
应用统计
2019-12-18 v1
摘要
在给定客户属性与过往购买行为的情况下准确预测其未来生命周期价值 (LTV)，可实现更具客户中心化的营销策略。营销人员可依据预测的 LTV 将客户分入不同桶中，进而定制营销信息或广告文案以更好地服务不同细分中的客户。此外，LTV 预测可直接指导营销预算分配并改善广告曝光的实时定向与出价。LTV 建模的一个挑战是部分客户不再回流，且 LTV 分布可能重尾。常用的均方误差 (MSE) 损失无法容纳一次性购买者产生的显著比例零值 LTV，且可能对头部消费者的极大 LTV 敏感。在本文中，我们将给定相关特征的 LTV 分布建模为零点质量与对数正态分布的混合，称之为零膨胀对数正态分布 (ZILN)。该建模方法使我们同时捕捉流失概率并考虑 LTV 的重尾性，还给出了点预测直接的不确定性量化。ZILN 损失可用于线性模型与深度神经网络 (DNN)。对于模型评估，我们推荐归一化基尼系数以量化模型判别力，并用十分位数图评估模型校准。实证上，我们在两个真实公开数据集上展示了所提模型的预测性能。
引用
@article{arxiv.1912.07753,
title = {A Deep Probabilistic Model for Customer Lifetime Value Prediction},
author = {Xiaojing Wang and Tianqi Liu and Jingang Miao},
journal= {arXiv preprint arXiv:1912.07753},
year = {2019}
}